Semana 01
Semana 01
Semana 01
DEFINICIONES
RAMAS DE LA ESTADISTICA
Diseño y técnicas de
muestreo
EJEMPLO
Estas son algunas ventajas de este tipo de muestras:
Ejercicio 1: Muestreo Aleatorio Simple (MAS)
Para seleccionar una muestra aleatoria simple de 100 estudiantes de una
población de 1000 estudiantes, puedes seguir estos pasos:
1.Asigna un número único a cada estudiante, del 1 al 1000.
2.Utiliza un generador de números aleatorios para seleccionar al azar 100
números entre 1 y 1000.
3.Los estudiantes correspondientes a los números seleccionados formarán tu
muestra.
Ejercicio 2: Muestreo Estratificado
Para realizar un muestreo estratificado en esta situación:
1.Divide a los empleados en tres grupos: Ventas, Desarrollo y Administración.
2.Calcula el tamaño de la muestra para cada estrato proporcionalmente a su
tamaño en la población.
3.Utiliza un enfoque de muestreo aleatorio simple dentro de cada estrato para
seleccionar a los empleados que serán encuestados.
Ejercicio 3: Muestreo por Conglomerados
Para llevar a cabo un muestreo por conglomerados en este caso:
1.Divide la ciudad en 10 barrios.
2.Selecciona al azar algunos barrios (conglomerados) para formar tu muestra.
3.Encuesta a todos los hogares en los barrios seleccionados.
Ejercicio 4: Muestreo Sistemático
Para aplicar el muestreo sistemático a los visitantes del parque:
1.Calcula el intervalo de muestreo: 1000 visitantes totales / 50 = 20.
2.Selecciona un número aleatorio entre 1 y 20 como punto de partida.
3.Encuesta a cada 20º visitante a partir del punto de partida.
Ejercicio 5: Muestreo por Cuotas
Para realizar un muestreo por cuotas en esta situación:
1.Define las cuotas basadas en la proporción de género: 60% mujeres y 40% hombres.
2.Encuesta a las personas en cada categoría hasta alcanzar las cuotas establecidas.
Recuerda que estos son ejemplos simplificados y en la práctica real, hay más consideraciones y
detalles a tener en cuenta en cada enfoque de muestreo probabilístico.
Los tipos de muestreo no probabilístico son aquellos en los que los elementos de la
población no tienen una probabilidad conocida de ser seleccionados en la muestra. A
diferencia del muestreo probabilístico, en el que cada elemento tiene una oportunidad igual
de ser seleccionado, en el muestreo no probabilístico la elección de los elementos se basa
en criterios subjetivos o en la disponibilidad de los mismos. Algunos tipos de muestreo no
probabilístico son:
Muestreo de bola de nieve: Utilizado en investigaciones en las que es difícil acceder a la población
objetivo. Se comienza con un pequeño grupo de elementos y se pide a esos elementos que identifiquen a
otros miembros de la población para ser incluidos en la muestra.
1.Independencia: Las observaciones dentro de cada muestra deben ser independientes entre sí. Esto significa que la
inclusión de un elemento en la muestra no afecta la inclusión de otros elementos.
2.Tamaño de Muestra Suficientemente Grande: El TLC se cumple mejor cuando el tamaño de muestra es grande,
generalmente considerado como n ≥ 30. Sin embargo, en algunas situaciones, incluso con tamaños de muestra más
pequeños, el TLC puede proporcionar aproximaciones razonables.
3.Aproximación a la Distribución Normal: A medida que el tamaño de muestra aumenta, la distribución de las medias
muestrales se aproxima a una distribución normal. Esto significa que la media y la desviación estándar de las medias
muestrales son buenas aproximaciones de la media y la desviación estándar de la población.
5.Aplicaciones Prácticas: El Teorema del Límite Central es ampliamente utilizado en la inferencia estadística para realizar
pruebas de hipótesis, construir intervalos de confianza y estimar parámetros poblacionales. Además, es fundamental en
la validación de muchos métodos estadísticos y en la interpretación de resultados en estudios de investigación.
Profundice los conceptos de muestreo,
muestreo probabilístico y no probabilístico,
sugiera en que condiciones es
recomendable su uso y plantee tres casos
o ejemplos prácticos para cada tipo de
muestreo